旋转机械是工业生产中应用最为广泛的一类机械设备。因而其故障诊断具有重要的现实意义。旋转机械故障诊断的关键是从旋转机械故障振动信号中提取故障特征，信号分析和处理是特征提取最常用的方法。由于大多数旋转机械故障振动信号是非平稳信号，因此有必要选择恰当的适合于非平稳信号分析的信号处理方法。 由于时频分析方法能同时提供振动信号的时域和频域信息，因而在旋转机械故障诊断中应用最为广泛。本文在分析旋转机械故障振动信号产生机理的基础上，建立了滚动轴承振动信号的数学模型。通过对美国凯斯西储入学轴承数据中心提供的不同状态下的轴承振动加速度信号数据的小波分解和重构，验证了基于小波分析的两种故障诊断方法——特征参数法和特征频率法在故障判别和类型诊断方面的有效性，并通过对不同类型、程度的故障以及不同负载情况下故障情况的对比分析，进一步明确了旋转机械故障诊断的一般规律。 实验数据的处理分析表明，小波算法能够有效的提取滚动轴承的时域和频域的故障特征参数，在此基础上加强这一领域的研究，可以为工业生产中的在线实时信号处理提供一种切实有效的方法。